MétaCan
Menu
Retour à la cohorte
Enregistrement W3155858088 · doi:10.1016/j.tplants.2021.03.004

Gaining Acceptance of Novel Plant Breeding Technologies

2021· review· en· W3155858088 sur OpenAlexaff
Sven Anders, Wallace A. Cowling, Ashwani Pareek, Kapuganti Jagadis Gupta, Sneh L. Singla‐Pareek, Christine H. Foyer

Notice bibliographique

RevueTrends in Plant Science · 2021
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensUniversity of Alberta
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilDepartment of Biotechnology, Ministry of Science and Technology, India
Mots-clésFood securitySustainabilityAgricultureBiologyProductivitySustainable agricultureBiotechnologyCorporate governancePlant breedingEnvironmental resource managementNatural resource economicsBusinessEmerging technologiesClimate changeEnvironmental planningEcologyEconomic growthEconomicsAgronomyComputer science

Résumé

récupéré en direct d'OpenAlex

Ensuring the sustainability of agriculture under climate change has led to a surge in alternative strategies for crop improvement. Advances in integrated crop breeding, social acceptance, and farm-level adoption are crucial to address future challenges to food security. Societal acceptance can be slow when consumers do not see the need for innovation or immediate benefits. We consider how best to address the issue of social licence and harmonised governance for novel gene technologies in plant breeding. In addition, we highlight optimised breeding strategies that will enable long-term genetic gains to be achieved. Promoted by harmonised global policy change, innovative plant breeding can realise high and sustainable productivity together with enhanced nutritional traits.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,197
Tête enseignante GPT0,361
Écart entre enseignants0,164 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2021
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueTrends in Plant ScienceMême sujetGenetically Modified Organisms ResearchTravaux en français237 207